掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據治理實踐者手記 版權信息
- ISBN：9787121475689
- 條形碼：9787121475689 ; 978-7-121-47568-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據治理實踐者手記 本書特色
輕理論、重實踐，詳細解讀典型案例場景。 深入介紹數據治理的理論、方法和工具。 提供切實可行的解決方案與行動策略。
數據治理實踐者手記 內容簡介
數據治理是一門實踐中的學問。本書輕理論、重實踐，是一份實用的數據治理指南，涉及數據治理組織、管理制度、流程規范、數據標準管理、數據質量管理、元數據管理、主數據管理、數據安全與隱私等主題。全書共分為3篇，**篇包含第1章和第2章，介紹數據治理的理論與方法；第二篇包含第3章至第6章，介紹數據治理的平臺建設與工具；第三篇包含第7章至第9章，介紹不同場景下的數據治理案例，通過案例場景細節解讀和工作步驟闡述，幫助讀者將數據治理理論轉化為切實可行的解決方案和行動策略。本書適合數據管理專家、企業決策者、數據治理從業者，以及對數據治理感興趣的人士閱讀。
數據治理實踐者手記 目錄
**篇 理論與方法
第1章 為什么數據治理如此重要 2
1.1 科技特征及演化趨勢 3
1.1.1 組織進化與數智化轉型 6
1.1.2 技術進化與劇烈“內卷” 10
1.1.3 數據消費場景的演進 11
1.2 數據資產的特征 15
1.2.1 通用資產的特征 15
1.2.2 數據的保鮮期 16
1.2.3 數據可能是負資產 17
1.2.4 數據資產的特殊性 17
1.3 數據之“痛”，“痛”在哪里 18
1.3.1 找不到關鍵數據 20
1.3.2 數據質量差 21
1.3.3 分析手段舊 23
1.3.4 分析效率低 24
1.3.5 數據雜亂 25
1.3.6 響應業務變化慢 26
1.3.7 非結構化數據的信息密度低 27
1.4 數據治理，治理什么 28
1.4.1 改善數據質量 29
1.4.2 優化數據時效 30
1.4.3 提升數據消費 30
1.4.4 貫徹數據標準 31
1.4.5 降低持有成本 31
1.4.6 完善治理組織 32
1.5 本章小結 32
第2章 敏捷數據治理方法論 33
2.1 什么是敏捷數據治理 34
2.1.1 統計報表的局限性 36
2.1.2 非數字原生企業的轉型挑戰 39
2.1.3 常見數據治理框架的局限性 40
2.1.4 數據標準化面臨的困難 42
2.1.5 數據治理的常見誤區 43
2.2 敏捷數據治理的總體框架、執行要點及主要特性 45
2.2.1 敏捷數據治理的總體框架 46
2.2.2 敏捷數據治理的執行要點 49
2.2.3 敏捷數據治理的主要特性 52
2.3 確定目標、厘清現狀 53
2.3.1 調研及評估 54
2.3.2 如何獲得高層管理者的支持 56
2.3.3 如何獲得業務部門的支持 58
2.3.4 常見的數據治理切入點 60
2.4 數據治理平臺規劃 65
2.4.1 有效的數據治理計劃 66
2.4.2 技術路徑選擇 70
2.4.3 組織保障體系 72
2.5 本章小結 75
第二篇 平臺建設與工具
第3章 敏捷數據治理平臺的技術規劃 78
3.1 技術框架的總體思考 79
3.1.1 彼之蜜糖，汝之砒霜 80
3.1.2 數據的處理與存儲方式 83
3.1.3 數據庫、數據倉庫與數據中臺 86
3.1.4 數據特性的治理差異 88
3.1.5 云原生 89
3.1.6 微服務 90
3.1.7 應用性能監控 91
3.2 數據存儲 92
3.2.1 規劃要點 93
3.2.2 存儲備份 94
3.2.3 實操經驗 96
3.3 數據技術底座 98
3.3.1 公有云套件 99
3.3.2 私有化部署 101
3.4 數據ETL 103
3.4.1 多源異構 104
3.4.2 任務調度 105
3.4.3 數據清洗 106
3.5 產品選型建議 107
3.5.1 技術架構 108
3.5.2 成本預算 110
3.5.3 供應商綜合實力 112
3.6 本章小結 114
第4章 敏捷數據治理平臺的功能分析 115
4.1 智能數據應用 115
4.1.1 自助式BI分析 116
4.1.2 數據分析洞察 118
4.1.3 數據預警 120
4.2 數據指標體系 121
4.2.1 數據梳理：自上而下 122
4.2.2 數據梳理：自下而上 125
4.2.3 可視化指標管理 127
4.3 模型構建 129
4.3.1 指標模型 130
4.3.2 數據模型 136
4.3.3 算法模型 138
4.3.4 展示模型 140
4.4 主數據管理 143
4.4.1 主數據編碼 144
4.4.2 主數據集成 148
4.4.3 主數據范圍識別及難點分析 149
4.5 元數據管理 153
4.5.1 應用場景 156
4.5.2 難點及案例分析 156
4.6 數據標準管理 160
4.6.1 標準制定 162
4.6.2 標準落地 163
4.6.3 常見問題 170
4.6.4 難點分析 172
4.6.5 術語辨析 175
4.7 數據質量管理 177
4.7.1 質量指標 178
4.7.2 事前預防 180
4.7.3 事中控制 181
4.7.4 事后補救 181
4.7.5 難點分析 183
4.8 本章小結 184
第5章 數據治理項目的落地實施 185
5.1 項目實施過程管理 187
5.1.1 項目啟動 188
5.1.2 例行會議 189
5.1.3 管理要點 190
5.2 長效運營與持續改善 192
5.2.1 組織挑戰 193
5.2.2 文化挑戰 194
5.3 項目實踐中的難點 195
5.4 本章小結 199
第6章 數據治理工具箱 201
6.1 數據ETL工具 203
6.1.1 功能與特點 204
6.1.2 開源ETL產品 206
6.1.3 商業ETL產品 208
6.1.4 缺陷評述 209
6.1.5 選型建議 210
6.2 主數據管理工具 212
6.2.1 功能與特點 212
6.2.2 開源MDM產品 214
6.2.3 商業MDM產品 214
6.2.4 缺陷評述 215
6.2.5 選型建議 216
6.3 元數據管理工具 218
6.3.1 功能與特點 219
6.3.2 開源元數據管理產品 220
6.3.3 商業元數據管理產品 221
6.3.4 缺陷評述 222
6.3.5 選型建議 224
6.4 數據標準管理工具 224
6.4.1 功能與特點 225
6.4.2 產品介紹 226
6.5 數據質量管理工具 226
6.5.1 功能與特點 227
6.5.2 開源數據質量管理產品 229
6.5.3 商業數據質量管理產品 230
6.5.4 缺陷評述 231
6.5.5 選型建議 232
6.6 數據共享與開放工具 233
6.6.1 數據資產目錄 233
6.6.2 BI報表 236
6.7 本章小結 241
第三篇 場景解讀
第7章 應用場景 244
7.1 大型集團/企業 245
7.1.1 案例：A集團的協同管控之路 245
7.1.2 難點解析 247
7.1.3 應對策略 249
7.1.4 實現效果 250
7.2 零售與分銷行業 252
7.2.1 案例：B零售公司數據治理助推數字化轉型 252
7.2.2 難點解析 254
7.2.3 應對策略 256
7.2.4 實現效果 257
7.3 制造業 258
7.3.1 案例：C零部件制造企業數據驅動的業務優化 259
7.3.2 難點解析 260
7.3.3 應對策略 260
7.3.4 實現效果 261
7.4 電商行業 263
7.4.1 案例：D電商公司數據治理支持精準營銷 263
7.4.2 難點解析 264
7.4.3 應對策略 265
7.4.4 實現效果 266
7.5 政府、金融和能源等領域 268
7.5.1 案例：數據開放與治理 268
7.5.2 難點解析 270
7.5.3 應對策略 271
7.5.4 實現效果 273
7.6 本章小結 275
第8章 技術場景 276
8.1 混合云架構下的數據治理 277
8.1.1 案例：E醫療集團的數據治理 277
8.1.2 難點解析 278
8.1.3 應對策略 279
8.1.4 實現效果 280
8.2 大數據架構下的數據治理 282
8.2.1 案例：F廣告公司的大數據營銷平臺 282
8.2.2 難點解析 283
8.2.3 應對策略 284
8.2.4 實現效果 285
8.3 微服務架構下的數據治理 287
8.3.1 案例：G烘焙公司的數據一體化平臺 287
8.3.2 難點解析 288
8.3.3 應對策略 290
8.3.4 實現效果 291
8.4 本章小結 293
第9章 業務場景 294
9.1 財務數據治理與應用 295
9.1.1 案例：H集團的業財一體化平臺建設 295
9.1.2 難點解析 297
9.1.3 應對策略 298
9.1.4 實現效果 299
9.2 供應鏈數據治理與應用 300
9.2.1 案例：J零售連鎖企業集成供應鏈協同優化 300
9.2.2 難點解析 302
9.2.3 應對策略 303
9.2.4 實現效果 305
9.3 營銷數據治理與應用 306
9.3.1 案例：K電子商務公司的精準營銷 307
9.3.2 難點解析 308
9.3.3 相關技術 309
9.3.4 應對策略 310
9.3.5 實現效果 311
9.4 生產數據治理與應用 312
9.4.1 案例：M機械制造企業的生產效率提升 313
9.4.2 難點解析 314
9.4.3 相關技術 315
9.4.4 應對策略 316
9.4.5 實現效果 318
9.5 本章小結 320
后記 總結與展望 321
第1章 為什么數據治理如此重要 2
1.1 科技特征及演化趨勢 3
1.1.1 組織進化與數智化轉型 6
1.1.2 技術進化與劇烈“內卷” 10
1.1.3 數據消費場景的演進 11
1.2 數據資產的特征 15
1.2.1 通用資產的特征 15
1.2.2 數據的保鮮期 16
1.2.3 數據可能是負資產 17
1.2.4 數據資產的特殊性 17
1.3 數據之“痛”，“痛”在哪里 18
1.3.1 找不到關鍵數據 20
1.3.2 數據質量差 21
1.3.3 分析手段舊 23
1.3.4 分析效率低 24
1.3.5 數據雜亂 25
1.3.6 響應業務變化慢 26
1.3.7 非結構化數據的信息密度低 27
1.4 數據治理，治理什么 28
1.4.1 改善數據質量 29
1.4.2 優化數據時效 30
1.4.3 提升數據消費 30
1.4.4 貫徹數據標準 31
1.4.5 降低持有成本 31
1.4.6 完善治理組織 32
1.5 本章小結 32
第2章 敏捷數據治理方法論 33
2.1 什么是敏捷數據治理 34
2.1.1 統計報表的局限性 36
2.1.2 非數字原生企業的轉型挑戰 39
2.1.3 常見數據治理框架的局限性 40
2.1.4 數據標準化面臨的困難 42
2.1.5 數據治理的常見誤區 43
2.2 敏捷數據治理的總體框架、執行要點及主要特性 45
2.2.1 敏捷數據治理的總體框架 46
2.2.2 敏捷數據治理的執行要點 49
2.2.3 敏捷數據治理的主要特性 52
2.3 確定目標、厘清現狀 53
2.3.1 調研及評估 54
2.3.2 如何獲得高層管理者的支持 56
2.3.3 如何獲得業務部門的支持 58
2.3.4 常見的數據治理切入點 60
2.4 數據治理平臺規劃 65
2.4.1 有效的數據治理計劃 66
2.4.2 技術路徑選擇 70
2.4.3 組織保障體系 72
2.5 本章小結 75
第二篇 平臺建設與工具
第3章 敏捷數據治理平臺的技術規劃 78
3.1 技術框架的總體思考 79
3.1.1 彼之蜜糖，汝之砒霜 80
3.1.2 數據的處理與存儲方式 83
3.1.3 數據庫、數據倉庫與數據中臺 86
3.1.4 數據特性的治理差異 88
3.1.5 云原生 89
3.1.6 微服務 90
3.1.7 應用性能監控 91
3.2 數據存儲 92
3.2.1 規劃要點 93
3.2.2 存儲備份 94
3.2.3 實操經驗 96
3.3 數據技術底座 98
3.3.1 公有云套件 99
3.3.2 私有化部署 101
3.4 數據ETL 103
3.4.1 多源異構 104
3.4.2 任務調度 105
3.4.3 數據清洗 106
3.5 產品選型建議 107
3.5.1 技術架構 108
3.5.2 成本預算 110
3.5.3 供應商綜合實力 112
3.6 本章小結 114
第4章 敏捷數據治理平臺的功能分析 115
4.1 智能數據應用 115
4.1.1 自助式BI分析 116
4.1.2 數據分析洞察 118
4.1.3 數據預警 120
4.2 數據指標體系 121
4.2.1 數據梳理：自上而下 122
4.2.2 數據梳理：自下而上 125
4.2.3 可視化指標管理 127
4.3 模型構建 129
4.3.1 指標模型 130
4.3.2 數據模型 136
4.3.3 算法模型 138
4.3.4 展示模型 140
4.4 主數據管理 143
4.4.1 主數據編碼 144
4.4.2 主數據集成 148
4.4.3 主數據范圍識別及難點分析 149
4.5 元數據管理 153
4.5.1 應用場景 156
4.5.2 難點及案例分析 156
4.6 數據標準管理 160
4.6.1 標準制定 162
4.6.2 標準落地 163
4.6.3 常見問題 170
4.6.4 難點分析 172
4.6.5 術語辨析 175
4.7 數據質量管理 177
4.7.1 質量指標 178
4.7.2 事前預防 180
4.7.3 事中控制 181
4.7.4 事后補救 181
4.7.5 難點分析 183
4.8 本章小結 184
第5章 數據治理項目的落地實施 185
5.1 項目實施過程管理 187
5.1.1 項目啟動 188
5.1.2 例行會議 189
5.1.3 管理要點 190
5.2 長效運營與持續改善 192
5.2.1 組織挑戰 193
5.2.2 文化挑戰 194
5.3 項目實踐中的難點 195
5.4 本章小結 199
第6章 數據治理工具箱 201
6.1 數據ETL工具 203
6.1.1 功能與特點 204
6.1.2 開源ETL產品 206
6.1.3 商業ETL產品 208
6.1.4 缺陷評述 209
6.1.5 選型建議 210
6.2 主數據管理工具 212
6.2.1 功能與特點 212
6.2.2 開源MDM產品 214
6.2.3 商業MDM產品 214
6.2.4 缺陷評述 215
6.2.5 選型建議 216
6.3 元數據管理工具 218
6.3.1 功能與特點 219
6.3.2 開源元數據管理產品 220
6.3.3 商業元數據管理產品 221
6.3.4 缺陷評述 222
6.3.5 選型建議 224
6.4 數據標準管理工具 224
6.4.1 功能與特點 225
6.4.2 產品介紹 226
6.5 數據質量管理工具 226
6.5.1 功能與特點 227
6.5.2 開源數據質量管理產品 229
6.5.3 商業數據質量管理產品 230
6.5.4 缺陷評述 231
6.5.5 選型建議 232
6.6 數據共享與開放工具 233
6.6.1 數據資產目錄 233
6.6.2 BI報表 236
6.7 本章小結 241
第三篇 場景解讀
第7章 應用場景 244
7.1 大型集團/企業 245
7.1.1 案例：A集團的協同管控之路 245
7.1.2 難點解析 247
7.1.3 應對策略 249
7.1.4 實現效果 250
7.2 零售與分銷行業 252
7.2.1 案例：B零售公司數據治理助推數字化轉型 252
7.2.2 難點解析 254
7.2.3 應對策略 256
7.2.4 實現效果 257
7.3 制造業 258
7.3.1 案例：C零部件制造企業數據驅動的業務優化 259
7.3.2 難點解析 260
7.3.3 應對策略 260
7.3.4 實現效果 261
7.4 電商行業 263
7.4.1 案例：D電商公司數據治理支持精準營銷 263
7.4.2 難點解析 264
7.4.3 應對策略 265
7.4.4 實現效果 266
7.5 政府、金融和能源等領域 268
7.5.1 案例：數據開放與治理 268
7.5.2 難點解析 270
7.5.3 應對策略 271
7.5.4 實現效果 273
7.6 本章小結 275
第8章 技術場景 276
8.1 混合云架構下的數據治理 277
8.1.1 案例：E醫療集團的數據治理 277
8.1.2 難點解析 278
8.1.3 應對策略 279
8.1.4 實現效果 280
8.2 大數據架構下的數據治理 282
8.2.1 案例：F廣告公司的大數據營銷平臺 282
8.2.2 難點解析 283
8.2.3 應對策略 284
8.2.4 實現效果 285
8.3 微服務架構下的數據治理 287
8.3.1 案例：G烘焙公司的數據一體化平臺 287
8.3.2 難點解析 288
8.3.3 應對策略 290
8.3.4 實現效果 291
8.4 本章小結 293
第9章 業務場景 294
9.1 財務數據治理與應用 295
9.1.1 案例：H集團的業財一體化平臺建設 295
9.1.2 難點解析 297
9.1.3 應對策略 298
9.1.4 實現效果 299
9.2 供應鏈數據治理與應用 300
9.2.1 案例：J零售連鎖企業集成供應鏈協同優化 300
9.2.2 難點解析 302
9.2.3 應對策略 303
9.2.4 實現效果 305
9.3 營銷數據治理與應用 306
9.3.1 案例：K電子商務公司的精準營銷 307
9.3.2 難點解析 308
9.3.3 相關技術 309
9.3.4 應對策略 310
9.3.5 實現效果 311
9.4 生產數據治理與應用 312
9.4.1 案例：M機械制造企業的生產效率提升 313
9.4.2 難點解析 314
9.4.3 相關技術 315
9.4.4 應對策略 316
9.4.5 實現效果 318
9.5 本章小結 320
后記 總結與展望 321
展開全部
數據治理實踐者手記 相關資料
數據，既是現代企業的財富密碼，也是未來世界智能化變革力量的基石。如何在數據的海洋中找到方向，在數據的規則中創造價值，是每個組織和個人都需要思考的問題。本書作者從技術演進出發，找出企業數據中存在的問題和挑戰，并結合理論和實踐，以多元的視角與案例為企業提供了一套系統且深刻的數據治理理論和方法，致力于幫助企業建立有關數據信任、安全、效率和責任的機制。本書闡釋了數據治理的本質、目標、原則、過程、工具和技術，提供了一套有關數據治理的系統性解決方法，讓企業能夠更全面、深入地理解及應用數據治理的智慧和策略。本書值得每個數據從業者及愛好者閱讀和參考！ 達美樂技術總監、大數據團隊負責人 林躍 本書從“為什么數據治理如此重要”這個本質問題入手，不斷追問并回答了“應不應該、做什么、能不能、怎么做”等一系列問題，全面、系統地梳理與總結了有關數據治理的方法、工具和應用場景等。作為企業數字化從業者，既會因為看到書中的大量實際案例和方案而“拍手叫好”，也會因為看到曾經犯過的錯誤而反思。數字治理方興未艾，本書正是一本全景式的實用手冊，可以幫助讀者快速掌握數據治理的整體架構和底層邏輯。 上海現代物流投資發展有限公司信息技術部執行總監 陳琦 本書是數據治理領域不可多得的著作，涵蓋了數據治理的理論、方法、平臺、工具、行業場景和技術場景等方面。書中內容豐富翔實，融合了作者的行業經驗和技術理論，在數據治理領域獨樹一幟。我相信這本書將成為數據治理領域的重要參考資料。 五礦資源有限公司總部大數據負責人 Daniel Han 對于數據治理的解讀，長期以來都是見仁見智，很少有人能全面、清晰和透徹地分析數據治理全域、全流程、全功能范疇。本書從數據治理的理論、技術、功能架構、項目實施落地等方面進行了全面、細致的分析和解讀，并針對行業、技術、業務等多個維度場景進行詳盡闡述，言簡意賅，文字通俗易懂，為讀者勾勒出了數據治理的藍圖。 諾基亞大數據負責人 王友 在數字化時代，數據已成為企業的核心資產。本書不僅關注數據治理，更關注如何通過數字治理推動企業的轉型和持續創新。對于追求卓越的企業來說，這是一本不可或缺的指南。 加拿大多倫多道明銀行DevOps負責人，微軟MVP 余勇 對于在數據治理項目實踐中尋求指導的人來說，本書是非常有價值的資源。本書深入剖析了數據治理領域的關鍵概念和最佳實踐，不僅提供了在項目中如何實施數據治理的寶貴見解，還強調了如何成功地規劃、實施和管理數據治理項目。本書的深度和廣度給我留下了深刻的印象。本書針對數據治理實踐提供了切實可行的方法和策略，是對DMBOK的有益補充，能夠幫助讀者在數據治理項目中取得成功。 DAMA數據管理社區主理人 馬歡 作為一名資深的數據領域從業者，我對本書的深度和實用性印象深刻。這是一本在數據治理領域不可或缺的工具書。作者以其獨特的視角和實用的方法論，通過清晰的結構和豐富的案例，向我們展示了如何在快速變化的商業環境中實施有效的數據治理。這本書不僅適用于數據專家，也適用于所有希望提高數據管理能力的管理人員。 QuestMobile商務總經理 胡青
數據治理實踐者手記 作者簡介
蘇振中，資深企業數智化轉型專家，具有20年以上的企業信息化從業經歷，在To B領域的大型企業數字化轉型、項目實施方面經驗豐富，對大規模多云混合、物聯網、大數據等復雜IT系統架構技術和數據治理有較為深入的理解，曾參與中國燃氣新零售、雅迪、國藥器械、豫園、中國龍工等多個知名企業的數字化轉型項目。任職經歷：埃林哲產品專家、行業總監、創新事業部部長、系統開發部部長，上海甘仁信息科技CTO，IBM高級系統架構師。 劉永強，項目管理數智化咨詢顧問，PMP認證、EXIN的Scrum認證、微軟MCE認證，并取得了人力資源和社會保障部、工業和信息化部的系統集成項目管理工程師證書，曾為眾多知名企業提供項目管理領域的培訓咨詢及數智化構建服務，包括佳貝艾特、康師傅、中國移動、杉杉能源、中航工業等上百家企業，致力于通過專業的項目管理咨詢和數智化解決方案，助力企業構建核心競爭力。
書友推薦
- >
巴金－再思錄
- >
詩經-先民的歌唱
- >
名家帶你讀魯迅:朝花夕拾
- >
姑媽的寶刀
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
月亮與六便士
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
